Formações de 40 horas
Dez recortes curados do mesmo currículo. A carga de cada formação é somada módulo a módulo a partir do registro, e nenhum módulo foi criado para elas: todos já existem no currículo e são os mesmos objetos que as trilhas usam.
Uma formação é um recorte de 40 horas. Para o programa completo de uma área, com os quatro níveis e o projeto integrador: Trilhas
Fundamentos de IA
40 horasIniciante10 módulos
8 de 10 módulos com ementa publicada
0 de 10 módulos gravados
Percorre o tronco comum de nível 100 na íntegra: o que são IA, ML e DL; Python para IA; matemática essencial I; coleta e limpeza de dados; estatística e probabilidade básica; o primeiro modelo em scikit-learn; ética, vieses e segurança; e Git/GitHub como portfólio. Fecha com os dois módulos de orientação que abrem as demais áreas — a intuição visual de redes neurais e a visão de sistema de como IA vira produto.
Dados para IA
40 horasIniciante9 módulos
6 de 9 módulos com ementa publicada
0 de 9 módulos gravados
Trata o dado como o objeto de trabalho antes do modelo: Python, matemática essencial, coleta e limpeza com Pandas, estatística e o primeiro modelo supervisionado, e então os dois módulos que introduzem imagem e texto como dados (pixels, canais e OpenCV; tokens, limpeza e regex). Fecha com avaliação e experimentação — overfitting, validação cruzada, tracking — e com pipelines de dados, que é onde a área de MLOps começa. Compartilha cinco módulos com Fundamentos de IA; são o mesmo objeto, não uma cópia.
Engenharia de Prompt e APIs de IA
40 horasIntermediário8 módulos
5 de 8 módulos com ementa publicada
0 de 8 módulos gravados
Foca em construir sobre modelos de terceiros em vez de treinar os próprios: APIs OpenAI/Anthropic/OSS, function calling e custo; publicar o resultado como serviço com FastAPI e Docker; e avaliar o que se construiu com benchmarks, evals de LLM, testes A/B e red teaming. A base entra por Python, texto como dados e ética/vieses; a orientação a agentes entra pelos dois módulos introdutórios de Agentic AI, que definem a fronteira entre chatbot e agente.
Redes Neurais e Deep Learning
40 horasIntermediário7 módulos
4 de 7 módulos com ementa publicada
0 de 7 módulos gravados
Vai da intuição visual à implementação: gradientes e álgebra linear aplicada, uma rede neural escrita do zero sem framework, a mesma rede reescrita em PyTorch com autograd e GPU, e a disciplina de avaliação e experimentação. Os dois módulos de área acrescentam CNNs — compartilhado com Visão Computacional — e regularização/normalização.
Agentic AI: Construção de Agentes
40 horasIntermediário7 módulos
1 de 7 módulos com ementa publicada
0 de 7 módulos gravados
Percorre a definição operacional de agente — LLM mais ferramentas mais loop —, a distinção prática entre chatbot e agente, e então os três módulos que constituem a engenharia do assunto: function calling e uso de ferramentas, memória e estado, e os frameworks de orquestração. O módulo de APIs e engenharia de prompt entra como base compartilhada, e o de segurança de agentes (prompt injection, sandboxing) fecha porque um agente com ferramentas é superfície de ataque.
RAG e Busca Semântica
40 horasIntermediário7 módulos
3 de 7 módulos com ementa publicada
0 de 7 módulos gravados
Cobre o caminho completo do texto até a resposta ancorada: texto como dados, embeddings e busca semântica, RAG ponta a ponta — módulo compartilhado com Agentic AI — e classificação/NER. A camada de aplicação entra por APIs e engenharia de prompt, e a de rigor por avaliação de sistemas de IA, sem a qual um RAG não é verificável. Coleta e limpeza de dados entra porque o corpus é metade do problema.
Visão Computacional Aplicada
40 horasIntermediário7 módulos
2 de 7 módulos com ementa publicada
0 de 7 módulos gravados
Parte de imagens como dados — pixels, canais, OpenCV — e sobe por CNNs (módulo compartilhado com Deep Learning), classificação com augmentation e detecção de objetos com YOLO, terminando em segmentação. PyTorch e limpeza de dados entram como base compartilhada com o tronco comum.
Sistemas Multiagentes e MCP
40 horasAvançado5 módulos
1 de 5 módulos com ementa publicada
0 de 5 módulos gravados
Reúne os quatro módulos de nível 300 da área de Agentic AI — multi-agentes e orquestração, planejamento/reflexão/auto-correção, MCP e integração com sistemas reais, e segurança de agentes — com o módulo de avaliação de sistemas de IA. Pressupõe a formação de construção de agentes ou equivalente.
LLMs: Fine-tuning e Alinhamento
40 horasAvançado5 módulos
3 de 5 módulos com ementa publicada
0 de 5 módulos gravados
Concentra o núcleo avançado do tronco comum — arquitetura Transformer com atenção implementada do zero, fine-tuning e transfer learning com LoRA/QLoRA, e otimização de treino com mixed precision e schedulers — e acrescenta os dois módulos de nível 300 da área de NLP: fine-tuning de LLMs na prática e alinhamento (RLHF/DPO).
MLOps e IA em Produção
40 horasAvançado5 módulos
1 de 5 módulos com ementa publicada
0 de 5 módulos gravados
Trata o que acontece depois que o modelo funciona: cloud para IA com GPU, storage e custo; observabilidade e monitoramento; serving em escala com batching, caching e autoscaling; otimização de treino; e arquitetura de plataformas de IA.
Por que as formações se sobrepõem
As 10 formações declaram 400 horas no total, apoiadas em 46 módulos distintos que somam 278 horas — um fator de reuso de 1,44×. A sobreposição é intencional, e é o que se pode conferir: o mesmo código de módulo, aberto a partir de formações diferentes, leva ao mesmo objeto.
Nem tudo cabe em 40 horas. Estado da arte, treino distribuído, interpretabilidade, edge e os cinco projetos integradores existem apenas dentro das trilhas completas: Trilhas